अरबी स्पैम ट्वीट्स वर्गीकरण: एक व्यापक मशीन लर्निंग दृष्टिकोण

आजकल, ट्विटर (जिसे एक्स भी कहा जाता है) उपयोगकर्ताओं, व्यक्तियों और संगठनों सहित, द्वारा सामना की जाने वाली सबसे सामान्य समस्याओं में से एक स्पैम ट्वीट्स से निपटने की है। यह समस्या सोशल मीडिया प्लेटफार्मों की बढ़ती लोकप्रियता और उपयोगकर्ताओं की संख्या के कारण बढ़ती जा रही है। इस अभूतपूर्व रुचि के कारण, स्पैमर संदिग्ध लिंक वाले पाठ, छवियाँ और वीडियो पोस्ट कर सकते हैं, जिनका उपयोग वायरस, अफवाहें, नकारात्मक मार्केटिंग, और व्यंग्य को फैलाने, और संभावित रूप से उपयोगकर्ता की जानकारी हैक करने के लिए किया जा सकता है। स्पैम पहचान प्राकृतिक भाषा प्रसंस्करण (NLP) और साइबर सुरक्षा के सबसे गर्म शोध क्षेत्रों में से एक है। इस संबंध में कई अध्ययन किए गए हैं, लेकिन वे मुख्य रूप से अंग्रेजी भाषा पर केंद्रित हैं। हालाँकि, अरबी ट्वीट स्पैम पहचान के लिए अभी भी लंबा रास्ता तय करना है, खासकर समकालीन मानक अरबी (MSA) के अलावा विभिन्न बोलियों पर जोर देते हुए, क्योंकि ट्वीट्स में मानक बोली का उपयोग बहुत कम किया जाता है। स्थिति एक स्वचालित, मजबूत, और कुशल अरबी स्पैम ट्वीट पहचान दृष्टिकोण की मांग करती है। इस मुद्दे का समाधान करने के लिए, इस शोध में, स्पैम ट्वीट्स की पहचान के लिए विभिन्न मशीन लर्निंग और गहन लर्निंग मॉडल का अध्ययन किया गया है, जिसमें रैंडम फॉरेस्ट (RF), सपोर्ट वेक्टर मशीन (SVM), नाइव बेयस (NB) और लॉन्ग-शॉर्ट टर्म मेमोरी (LSTM) शामिल हैं। इस संदर्भ में, हमने ट्वीट पाठ के शब्दों और अर्थ पर ध्यान केंद्रित किया है। कई प्रयोगों के बाद, प्रस्तावित मॉडलों ने समान और विविध डेटासेट के लिए पिछले दृष्टिकोणों की तुलना में आशाजनक परिणाम उत्पन्न किए हैं। परिणामों ने दिखाया कि RF क्लासिफायर ने 96.78% और LSTM क्लासिफायर ने 94.56% प्राप्त किया, इसके बाद SVM क्लासिफायर ने 82% सटीकता प्राप्त की। आगे, F1-स्कोर के संदर्भ में, RF, LSTM और SVM क्लासिफायर के उपयोग से समान डेटासेट के साथ योजनाओं की तुलना में 21.38%, 19.16% और 5.2% में सुधार हुआ।